Credit Assignment（信用分配）

信用分配问题关注如何确定哪些动作对最终结果有贡献。在强化学习中，时序差分（TD）学习通过自举和资格迹将奖励传播到过去的状态-动作对。在深度强化学习中，反向传播通过时间将梯度分配给网络参数。在神经科学中，多巴胺神经元被认为编码奖励预测误差，实现信用分配。该问题也出现在多智能体系统中，需要区分每个智能体的贡献。